The Basis

基础知识

Numpy的主要对象是同源多维数组（ homogeneous multidimensional array）。简单来说，就是一个元素表（通常是数字），元素是同种类型，用一个正整数元组来进行索引。
在Numpy中，维度被称为轴（axes），轴（axes）的数量称为秩（rank）。

例如，一个三维空间中一个点的坐标是[1,2,1]，其是rank=1的数组（#也就是说是一个一维的数组），因为它有一个axis。而这个axis的长度（length）是3.
再举个例子：

[[1.0,0.0,0.0], [0.0,1.0,2.0]]

这个ndarra的rank=2，一维的长度为2，二维的长度为3.（即最外层的数组有两个个数组，每个数组又有三个元素）。

让我们来看一下ndarray的属性：
ndarray.ndim
返回rank

ndarray.shape
元素的维度们。它是一个整数型数组，表示了每个维度的大小（即长度length）。对于一个n行m列的矩阵，shape是（n,m）。tuple的长度是这个array的rank。

ndarray.size
整个array元素的数目，即shape返回tuple的乘积。

ndarray.dtype
返回的元素的类型。pythoy自带的标准类型int，float等。也可以是Numpy提供的numpy.int32，numpy.int16，numpy.float64等

ndarray.itrmsize
每个元素的字节。例如float64 就有itemsize=8（=64/8）的，再例如complex32有itemsize=4（=32/8）。这是等价于语句ndarray.dtype.itemsize

ndarray.data
缓冲区中包含的array中的真实的元素数目。一般来说我们用不到这个，因为我们使用索引功能来获取元素。

EXAMPLE

>>>import numpy as np>>>a=np.arange(15).reshape(3,5)>>>aarray([[ 0,  1,  2,  3,  4],       [ 5,  6,  7,  8,  9],       [10, 11, 12, 13, 14]])>>>a.shape(3L, 5L)>>>a.ndim2>>>a.size15>>>a.dtype.name'int32'>>>a.itemsize4>>>type(a)<type 'numpy.ndarray'>>>>b=np.array([6,7,8])>>>barray([6, 7, 8])>>>type(b)<type 'numpy.ndarray'>